imgsort.py

import os
from glob import glob
from skimage.metrics import structural_similarity as ssim
import cv2
import sys
from pathlib import Path

def calculate_ssim(image_path1, image_path2):
    """2つの画像間のSSIM（構造的類似性）を計算する"""
    img1 = cv2.imread(image_path1, cv2.IMREAD_GRAYSCALE)
    img2 = cv2.imread(image_path2, cv2.IMREAD_GRAYSCALE)

    # 画像サイズを統一（必要に応じてリサイズ）
    img1 = cv2.resize(img1, (100, 100))
    img2 = cv2.resize(img2, (100, 100))

    # SSIMを計算
    score, _ = ssim(img1, img2, full=True)
    return score

def cluster_images(image_folder, similarity_threshold=0.8):
    """似た画像をまとめてクラスター化する"""
    image_paths = glob(os.path.join(image_folder, "*"))
    clusters = []  # クラスターを格納

    for image_path in image_paths:
        added_to_cluster = False

        # 既存のクラスターに追加できるか確認
        for cluster in clusters:
            representative_image = cluster[0]  # クラスターの代表画像
            if calculate_ssim(image_path, representative_image) >= similarity_threshold:
                cluster.append(image_path)
                added_to_cluster = True
                break

        # 新しいクラスターを作成
        if not added_to_cluster:
            clusters.append([image_path])

    return clusters

# 実行例
image_folder = sys.argv[1]  # 画像フォルダのパス
similarity_threshold = 0.15  # 類似性の閾値（0.0〜1.0）

clusters = cluster_images(image_folder, similarity_threshold)

# 結果を表示
fnamehead = "renamed_"
bar = "_"
for idx, cluster in enumerate(clusters):
    print(f"クラスター {idx + 1}:")
    for idx2, image_path in enumerate(cluster):
        # ファイルをリネーム
        to_path = os.path.dirname(image_path) + "\\" + fnamehead + str(idx).zfill(4) + "_" + str(idx2).zfill(4) + Path(image_path).suffixes[0]
        os.rename(image_path, to_path)
        print("リネームしました：" + image_path + " to " + to_path)

似た画像ファイルが近しくなるようにソートする